买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江省测绘科学技术研究院申请的专利复杂耕作区闲置耕地提取方法、模型训练方法及装置、存储介质和终端获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120236096B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510704891.7，技术领域涉及：G06V10/54；该发明授权复杂耕作区闲置耕地提取方法、模型训练方法及装置、存储介质和终端是由王兴坤;詹远增;李佳鑫;冯存均;徐盼;周伟;张艳;赵建雪;邓小渊;马彦;杨燕;李晓天;朱校娟;施临锦设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本复杂耕作区闲置耕地提取方法、模型训练方法及装置、存储介质和终端在说明书摘要公布了：本发明公开了一种复杂耕作区闲置耕地提取方法、模型训练方法及装置、存储介质和终端，其中模型训练方法包括获取预设时间段内目标区域的初步影像特征数据集，基于初步影像特征数据集获取时间序列影像数据集；提取初步影像特征数据中的纹理特征，并获取纹理光谱特征数据集；基于纹理光谱特征数据集和时间序列影像数据集训练模型以获取教师模型，基于教师模型对预设待训练模型进行训练获取学生模型，将学生模型和教师模型作为复杂耕作区闲置耕地提取模型。总结耕地闲置的不同情况，明确了闲置耕地监测的范围，结合闲置耕地的地物特征与闲置过程，实现在复杂种植模式下提升对闲置耕地的识别精度与泛化能力。

本发明授权复杂耕作区闲置耕地提取方法、模型训练方法及装置、存储介质和终端在权利要求书中公布了：1.一种复杂耕作区闲置耕地提取模型训练方法，其特征在于，包括： 获取预设时间段内目标区域的初步影像特征数据集，所述初步影像特征数据集包括所述目标区域内每块耕地的初步影像特征数据子集，所述初步影像特征数据子集包括初步影像特征数据群以及对应的耕地标签； 基于所述初步影像特征数据集获取所述目标区域内每块耕地每个预设时间区间的归一化植被指数，并将每块耕地所有所述预设时间区域的归一化植被指数形成对应耕地的时间序列影像数据，所有所述时间序列影像数据形成时间序列影像数据集； 提取所述初步影像特征数据集中每个初步影像特征数据的纹理特征，并将所述纹理特征以新的波段形式添加至所述初步影像特征数据集中对应所述初步影像特征数据上以获取纹理光谱特征数据集； 基于所述纹理光谱特征数据集和所述时间序列影像数据集对模型进行训练获取教师模型，基于所述教师模型对预设待训练模型进行训练获取学生模型，以所述教师模型为决策者，以所有所述学生模型为输入端形成复杂耕作区闲置耕地提取模型； 其中，所述预设待训练模型包括预设神经网络模型和长短时记忆网络模型，将所述纹理光谱特征数据集中耕地标签为非闲置耕地所对应的数据和耕地标签为非粮化闲置耕地所对应的数据作为所述预设神经网络模型的训练数据集，将所述时间序列影像数据集中耕地标签为全年性闲置耕地所对应的数据作为所述长短时记忆网络模型的训练数据集；所述预设待训练模型还包括决策树模型，将所述纹理光谱特征数据集和所述时间序列影像数据集中耕地标签为季节性闲置耕地所对应的数据作为所述决策树模型的训练数据集； 基于所述教师模型对预设待训练模型进行训练获取学生模型包括： 使用基于特征的知识蒸馏将所述教师模型获取的特征与所述预设神经网络模型的特征进行特征维度对齐并传递到所述预设神经网络模型的中间层，以获取神经网络学生模型； 使用基于特征的知识蒸馏将所述教师模型获取的特征与所述长短时记忆网络模型的特征进行特征维度对齐并传递到所述长短时记忆网络模型的中间层，以获取长短时记忆网络学生模型； 使用基于目标的Logits蒸馏将所述教师模型的Softmax函数获得的软标签用来辅助训练所述决策树模型，以获取决策树学生模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江省测绘科学技术研究院，其通讯地址为：311121 浙江省杭州市余杭区五常街道地信路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。